使用ID3算法 构造决策树，怎么显示特征向量的重要程度，python实现

在Python中，可以使用Scikit-learn库中的DecisionTreeClassifier类来构建决策树并显示特征向量的重要程度。具体步骤如下：

1. 导入需要的库和数据集：

from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data
y = iris.target

2. 构建决策树模型，并拟合数据集：

dtc = DecisionTreeClassifier()
dtc.fit(X, y)

3. 查看特征向量的重要程度：

importance = dtc.feature_importances_
print(importance)

其中，importance即为特征向量的重要程度，是一个数组，其大小与特征向量的维度相同。可以使用plt.bar()函数将其可视化：

import matplotlib.pyplot as plt

plt.bar(range(X.shape[1]), importance)
plt.show()

这样就可以显示特征向量的重要程度了，其中横坐标表示特征向量的维度，纵坐标表示重要程度。